In [1]:
import pandas as pd
In [2]:
data_csv = pd.read_csv('raw_data_2015_08_01.csv', index_col = 0, parse_dates=True, infer_datetime_format=True)
In [3]:
data_csv.shape
Out[3]:
(140555, 24)
In [4]:
data_csv.count()
Out[4]:
SCC.AHU.AHU01.MAXCO2                  99841
SCC.AHU.AHU01.RM.1002.CO2             99841
SCC.AHU.AHU01.RM.1003.CO2             99841
SCC.AHU.AHU01.RM.1101.1.CO2           99841
SCC.AHU.AHU01.RM.1101.2.CO2           99841
SCC.AHU.AHU01.RM.1101A.CO2            99841
SCC.AHU.AHU01.RM.1110.CO2             99841
SCC.AHU.AHU01.RM.1200.CO2             99841
SCC.AHU.AHU01.RM.1303.CO2             99841
SCC.AHU.AHU01.RM.1306.CO2             99841
SCC.AHU.AHU01.RM.1402.CO2             99841
SCC.AHU.AHU01.RM.1402A.CO2            99841
SCC.AHU.AHU01.RM.2002.CO2             99841
SCC.AHU.AHU01.RM.2003.CO2             99841
SCC.AHU.AHU01.RM.2004.CO2             99841
SCC.AHU.AHU01.RM.2101.1.CO2           99841
SCC.AHU.AHU01.RM.2101.2.CO2           99841
SCC.AHU.AHU01.RM.2102.CO2             99841
SCC.AHU.AHU01.RM.2103.CO2             99841
SCC.AHU.AHU01.RM.2201.CO2             99841
SCC.AHU.AHU01.RM.2204.CO2             99841
SCC.AHU.AHU01.RM.2303.CO2             99841
SCC.AHU.AHU01.RM.2401.CO2             99841
SMOA.AHU.AHU01.Outside Air CO2 PPM    66574
dtype: int64
In [5]:
data_csv.describe()
Out[5]:
SCC.AHU.AHU01.MAXCO2 SCC.AHU.AHU01.RM.1002.CO2 SCC.AHU.AHU01.RM.1003.CO2 SCC.AHU.AHU01.RM.1101.1.CO2 SCC.AHU.AHU01.RM.1101.2.CO2 SCC.AHU.AHU01.RM.1101A.CO2 SCC.AHU.AHU01.RM.1110.CO2 SCC.AHU.AHU01.RM.1200.CO2 SCC.AHU.AHU01.RM.1303.CO2 SCC.AHU.AHU01.RM.1306.CO2 ... SCC.AHU.AHU01.RM.2004.CO2 SCC.AHU.AHU01.RM.2101.1.CO2 SCC.AHU.AHU01.RM.2101.2.CO2 SCC.AHU.AHU01.RM.2102.CO2 SCC.AHU.AHU01.RM.2103.CO2 SCC.AHU.AHU01.RM.2201.CO2 SCC.AHU.AHU01.RM.2204.CO2 SCC.AHU.AHU01.RM.2303.CO2 SCC.AHU.AHU01.RM.2401.CO2 SMOA.AHU.AHU01.Outside Air CO2 PPM
count 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 ... 99841.000000 99841.00000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 99841.000000 66574.000000
mean 700.720155 553.582707 416.883885 461.858245 395.252131 496.835799 488.609429 394.650144 523.906571 560.989684 ... 384.004086 464.83029 584.675164 532.375707 425.123046 389.879368 610.087679 478.322673 377.822307 501.452849
std 186.112252 130.617804 133.538692 132.153610 145.862324 169.871362 122.734454 98.897977 149.954255 117.174668 ... 124.464873 111.78253 117.971686 128.537631 118.581555 100.101239 136.272847 110.929211 108.805457 76.041907
min 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 ... 0.000000 0.00000 0.000000 0.000000 0.000000 0.000000 -312.000000 0.000000 0.000000 0.000000
25% 552.000000 447.000000 331.000000 381.000000 297.000000 392.000000 403.000000 327.000000 433.000000 487.000000 ... 299.000000 388.00000 503.000000 444.000000 350.000000 329.000000 524.000000 409.000000 315.000000 421.000000
50% 655.000000 530.000000 368.000000 415.000000 337.000000 433.000000 446.000000 360.000000 473.000000 531.000000 ... 338.000000 430.00000 548.000000 481.000000 383.000000 357.000000 563.000000 440.000000 343.000000 522.000000
75% 813.000000 650.000000 457.000000 493.000000 439.000000 536.000000 530.000000 428.000000 575.000000 607.000000 ... 429.000000 514.00000 639.000000 575.000000 458.000000 411.000000 650.000000 508.000000 396.000000 564.000000
max 1799.000000 1415.000000 1878.000000 1336.000000 1858.000000 1879.000000 1427.000000 1473.000000 1892.000000 1799.000000 ... 1381.000000 1238.00000 1202.000000 1287.000000 977.000000 1269.000000 1675.000000 1890.000000 1911.000000 751.000000

8 rows × 24 columns

In [10]:
data_csv['2015-08-01':'2016-08-01'].plot(figsize=(50,20))
Out[10]:
<matplotlib.axes._subplots.AxesSubplot at 0x13b58ec41d0>
In [7]:
data_csv['2016-08-01':'2017-08-01'].plot(figsize=(50,20))
Out[7]:
<matplotlib.axes._subplots.AxesSubplot at 0x13b58f41860>
In [8]:
data_csv['2017-08-01':'2018-08-01'].plot(figsize=(50,20))
Out[8]:
<matplotlib.axes._subplots.AxesSubplot at 0x13b591e68d0>
In [9]:
data_csv['2018-08-01':'2018-10-31'].plot(figsize=(50,20))
Out[9]:
<matplotlib.axes._subplots.AxesSubplot at 0x13b591cb898>